Universidad Nacional Abierta y a Distancia

Vicerrectoría Académica y de Investigación

Curso: Programación para el Análisis de Datos
Código: 203008069

Guía de actividades y rúbrica de evaluación – Tarea 2

Desarrollo de código para el tratamiento y manejo de
información

1. Descripción de la actividad
Tipo de actividad: Individual
Momento de la evaluación: Intermedia en la unidad 2
Puntaje máximo de la actividad: 115 puntos
La actividad inicia el: miércoles, La actividad finaliza el: martes,
2 de octubre de 2024 29 de octubre de 2024

Con esta actividad se espera conseguir el siguiente resultado

de aprendizaje:
Resultado de aprendizaje 3: Estructurar diferentes técnicas para la
manipulación de datos en un lenguaje de programación.

La actividad consiste en:

Realizar los siguientes tres (3) ejercicios en el entorno dinámico de

programación Jupyter Notebook:

Ejercicio 1: Datos en línea y tipos de datos.

Para el desarrollo de este ejercicio es necesario que revise en el Entorno

de Aprendizaje (Unidad 2 - Contenidos y referentes bibliográficos), las
siguientes referencias:

• Idris, I. (2014). Python Data Analysis. Packt Publishing. (pp.

131-134).
• Samir Madhavan. (2015). Mastering Python for Data Science:
Explore the World of Data Science Through Python and Learn
How to Make Sense of Data. Packt Publishing. (pp. 11-12).

1
Descripción del ejercicio:

Desarrolle códigos y celdas markdown para desarrollar las siguientes

tareas:
• Responda las siguientes preguntas en la introducción:
o ¿Qué es REST web service y cómo se utilizan?
o ¿Qué es una RESTful API?
o ¿Qué es JSON?
• Desarrolle un código de python que le permita obtener los datos
de las naves de SpaceX, desde la API spacexdata v4:

https://api.spacexdata.com/v4/ships

Tenga en cuenta que debe usar el paquete requests, funciones:

o request.get
o Response.json
o De ser necesario, puede revisar su documentación en:

https://requests.readthedocs.io/en/latest/api/?requests.Request

• Cargue el json de la respuesta del request anterior como un

DataFrame de pandas (ayuda: función pd.DataFrame.from_dict).
• Determine cuantas columnas tiene el DataFrame anterior, los
tipos de datos (Dtype) que tiene y los datos ausentes (ayuda:
imprima el info() del DataFrame de pandas).
• Con la información anterior, en una celda markdown concluya
cuales de las variables podrían ser utilizadas para un análisis y
clasifíquelas entre variables cualitativas (categóricas) y
cuantitativas (numéricas).
• Determine el total de naves y cuántas están activas.
• Visualice el histograma de los pesos de las naves en kg.

Ejercicio 2: Limpieza y procesamiento de datos

Para el desarrollo de este ejercicio, es necesario que revise en el Entorno

de Aprendizaje (Unidad 2 - Contenidos y referentes bibliográficos), las
siguientes referencias:

2
 • Samir Madhavan. (2015). Mastering Python for Data Science:
Explore the World of Data Science Through Python and Learn How
to Make Sense of Data. Packt Publishing. (pp. 11-18).
• Thakur, A. (2016). Python: Real-World Data Science. Packt
Publishing. (pp. 511 – 538).

Descripción del ejercicio:

Para este ejercicio, cargue de nuevo los datos del Ejercicio 1, pero
genere un DataFrame llamado df, solamente con las columnas:

• type
• mass_kg
• year_built
• home_port
• name

Siguiendo las funciones mostradas en las referencias bibliográficas,

desarrolle las siguientes tareas en el DataFrame generado
anteriormente:

Revisando datos faltantes:

• Determine cuantos datos faltantes hay en la variable mass_kg del

mediante value_counts()
• Crea un DataFrame df1 removiendo las filas que tienen algunos
datos faltantes. Por otro lado crea un DataFrame df2 removiendo
las filas que tienen todos los datos faltantes. Compáralos y
comenta los resultados.
• En el DataFrame df completa los datos faltantes por los siguientes
tres métodos (muestra y comenta los resultados):
o Completar datos faltantes con el número 0.
o Completar por método de propagación hacia adelante.
o Completar los valores faltantes con el promedio de la
columna.

Operaciones de strings:

Realice las siguientes operaciones en el DataFrame df:

3
 • De la columna home_port extraiga la primera palabra de cada
dato y muestre los resultados.
• Determine cuántos datos comienzan con la palabra Port y cuántos
datos comienzan con una palabra diferente, ¿Cuáles son las
palabras diferentes?
• Filtre el DataFrame con los datos que en la columna name
contengan en el string la palabra “GO” y muestre los resultados.
• Convierta todos los strings de la columna name en palabras con
todas sus letras mayúsculas y muestre los resultados.
• Convierta todos los strings de la columna type en palabras con
todas sus letras minúsculas y muestre los resultados.
• Divida todos los strings de la columna home_port por el espacio
en blanco y muestre los resultados.
• Reemplace todas las palabras ‘Port’ que se encuentran en la
columna home_port por la abreviación ‘P.’ y muestre los
resultados.
• Comente todos los procesos realizados y concluya con las
posibilidades de uso de estas herramientas en su campo de
acción.

Ejercicio 3: Agregación, unión y concatenación de DataFrames

Para el desarrollo de este ejercicio, es necesario que revise en el Entorno

de Aprendizaje (Unidad 2 - Contenidos y referentes bibliográficos), las
siguientes referencias:
• Samir Madhavan. (2015). Mastering Python for Data Science:
Explore the World of Data Science Through Python and Learn How
to Make Sense of Data. Packt Publishing. (pp. 19-25).

Descripción del ejercicio:

Para este ejercicio, cargue en la variable df el conjunto de datos que

se presentan en el archivo CSV, Anexo 1 - Student Weight Status.csv,
que se encuentra en la carpeta de la Unidad 2 - Tarea 2 -
Programación para la Manipulación de Datos. Tenga en cuenta el tipo
de separador y los encabezados de las columnas.

Realice paso a paso las siguientes tareas, siguiendo lo estudiando en

las referencias:

4
Fusionando datos:

• Cree un DataFrame p1 con los datos del 0 al 1 con las columnas

'area_name' y 'county' de df.
• Creen un DataFrame p2 con los datos del 2 al 4 con las
columnas 'area_name' y 'county' de df.
• Concatene p1 y p2 y muestre los resultados.
• Concatene p1 y p2 identificando las asignaciones por las llaves
‘p1’ y ‘p2’ y muestre los resultados y asígnelos a la variable
concatened. Comente las diferencias con el DataFrame anterior
y mencione desde su punto de vista las posibles utilidades de
esta herramienta.
• Desde el DataFrame concatened rescate los datos de p1.
• Comente los resultados y realice las conclusiones del ejercicio.

Operaciones de agregación:

• Encuentre el número promedio de estudiantes que son obesos

en escuelas de primaria (tipo ‘ELEMENTARY’).
• Encuentre el número total de estudiantes de primaria que son
obesos.
• Encuentre el número máximo de estudiantes obsesos que tiene
una escuela.
• Encuentre el número mínimo de estudiantes obsesos que tiene
una escuela.
• Obtenga la desviación estándar del número de estudiantes
obsesos en las escuelas.
• Obtenga la cantidad de escuelas de primarias en el condado
(county) de DELAWARE.
• Comente los resultados del ejercicio y concluya con las
posibilidades de uso de estas herramientas en su campo de
acción.

Uniones (Joins):

• Defina un DataFrame de búsqueda llamado grade_lookup, que

tenga las columnas ‘grade_level y ‘level’ que asigne niveles a
cada uno de los grados como sigue: 1 a 'ELEMENTARY', 2 a
'MIDDLE/HIGH', 3 a 'MISC'.

5
 • Por otro lado, tome las primeras cinco filas de la columna de
datos en la columna GRADE e imprímalas (Téngalas en cuenta
pues las utilizaremos para estudiar los tipos de uniones).
• Describa los inner joins y realice un ejemplo con las primeras 5
filas de la columna grade_level y grade_lookup, muestre sus
resultados y explíquelos.
• Describa los left outer joins y realice un ejemplo con las
primeras 5 filas de la columna grade_level y grade_lookup,
muestre sus resultados y explíquelos.
• Describa los full outer joins y realice un ejemplo con las
primeras 5 filas de la columna grade_level y grade_lookup,
muestre sus resultados y explíquelos.

Agrupaciones:

• Encontrar la suma del número de estudiantes obesos en cada

uno de los grados mediante el uso de la función groupby de
pandas. Muestre sus resultados y explíquelo.
• Muestre diferentes tipos de agregación por suma, media y
desviación estándar de los estudiantes obsesos en cada uno de
los grados.
• Comente los resultados y concluya con las posibilidades de uso
de estas herramientas en su campo de acción.

Para el desarrollo de la actividad tenga en cuenta que:

En el entorno de Información inicial debe: Revisar la agenda del curso

y debe tener en cuenta las fechas de inicio y finalización de la
actividad.

En el entorno de Aprendizaje debe: Realizar la lectura de las

referencias bibliográficas correspondientes a la Unidad 2 y participar
semanalmente con aportes significativos en el foro de la Unidad 2 -
Tarea 2 – Programación para la Manipulación de Datos.

En el entorno de Evaluación debe: Entregar un archivo comprimido en

formato .zip que contendrá los archivos en formato (*.ipynb) con cada
uno de los ejercicios desarrollados el cual debe ser nombrado con la
siguiente estructura: G##_NombreEstudiante_Tarea2.zip.

6
Evidencias individuales:

Las evidencias individuales para entregar son:

• El desarrollo de los dos ejercicios de la actividad; los cuales
tendrá que realizar de forma individual en documentos con
extensión ipynb, como se solicita en las condiciones de entrega y
los aportes significativos que realizará en el foro sobre su propio
avance y apoyo a sus compañeros.
• En el Entorno de Evaluación - Tarea 2 - Desarrollo de código
para el tratamiento y manejo de información, subir un único
archivo que cumpla con las condiciones de entrega y que
contenga las correcciones y sugerencias que el tutor realizó
previamente en el foro.

Evidencias grupales:
En esta actividad no se requieren evidencias grupales.

2. Lineamientos generales para la elaboración de las evidencias

a entregar.
Para evidencias elaboradas independientemente, tenga en cuenta las
siguientes orientaciones

1. Realice un reconocimiento general del curso y de cada uno de

los entornos antes de abordar el desarrollo de las actividades.
2. Identifique los recursos y referentes de la unidad a la que
corresponde la actividad.
3. Intervenga en el foro de discusión aplicando las normas de
netiqueta Virtual, evidenciando siempre respeto por las ideas de
sus compañeros y del cuerpo docente.
4. Antes de entregar el producto solicitado revise que cumpla con
todos los requerimientos que se señalaron en esta guía de
actividades, rúbrica de evaluación y por parte del tutor en el foro
de discusión:
• Ejercicios desarrollados haciendo uso correcto de la edición de
texto en las celdas markdown con correcta escritura en la
sintaxis matemática.
• Estructura del documento de cada ejercicio:
o Portada.

7
 o Desarrollo de Ejercicios.
o Conclusiones.
o Referencias.
• Entregar en el entorno de evaluación un archivo final tipo
ipynb nombrado con la siguiente estructura:
G##_NombreEstudiante_Tarea2.ipynb.
5. No cometa fraudes, ni plagios ni actos que atenten contra el No
cometa fraudes, ni plagios ni actos que atenten contra el normal
desarrollo académico de las actividades.

Tenga en cuenta que todos los productos escritos individuales o

grupales deben cumplir con las normas de ortografía y con las
condiciones de presentación que se hayan definido.
En cuanto al uso de referencias considere que el producto de esta
actividad debe cumplir con las normas APA

En cualquier caso, cumpla con las normas de referenciación y evite el

plagio académico, para ello puede apoyarse revisando sus productos
escritos mediante la herramienta Turnitin que encuentra en el campus
virtual.
Tenga presente que en el acuerdo 029 del 13 de diciembre de 2013,
artículo 99, se considera como faltas que atentan contra el orden
académico, entre otras, las siguientes: literal e) “El plagiar, es decir,
presentar como de su propia autoría la totalidad o parte de una obra,
trabajo, documento o invención realizado por otra persona. Implica
también el uso de citas o referencias faltas, o proponer citad donde no
haya coincidencia entre ella y la referencia” y liberal f) “El reproducir, o
copiar con fines de lucro, materiales educativos o resultados de
productos de investigación, que cuentan con derechos intelectuales
reservados para la Universidad”

Las sanciones académicas a las que se enfrentará el estudiante son las

siguientes:
a) En los casos de fraude académico demostrado en el trabajo
académico o evaluación respectiva, la calificación que se impondrá será
de cero puntos sin perjuicio de la sanción disciplinaria correspondiente.
b) En los casos relacionados con plagio demostrado en el trabajo
académico cualquiera sea su naturaleza, la calificación que se
impondrá será de cero puntos, sin perjuicio de la sanción disciplinaria
correspondiente.

8
 3. Formato de Rúbrica de evaluación

Tipo de actividad: Individual

Momento de la evaluación: Intermedio
La máxima puntuación posible es de 115 puntos
Nivel alto: El estudiante realiza adecuadamente
el ejercicio 1 de forma correcta y como fue
solicitado.
Primer criterio de Si su trabajo se encuentra en este nivel
evaluación: puede obtener entre 20 puntos y 25 puntos

Del procedimiento: Nivel Medio: El estudiante realiza de forma

Desarrollo del Ejercicio 1 de parcial, o con errores, el ejercicio de programación,
Datos en línea y tipos de datos. o no se ciñe a lo solicitado
Si su trabajo se encuentra en este nivel
Este criterio representa puede obtener entre 10 puntos y 19 puntos
25 puntos del total de
115 puntos de la Nivel bajo: El estudiante no desarrolla, o
actividad desarrolla de forma incorrecta, el ejercicio de
programación solicitado.
Si su trabajo se encuentra en este nivel
puede obtener entre 0 puntos y 9 puntos
Nivel alto: El estudiante realiza adecuadamente
el ejercicio 2 de forma correcta y como fue
Segundo criterio de solicitado.
evaluación: Si su trabajo se encuentra en este nivel
puede obtener entre 20 puntos y 25 puntos
Del procedimiento:
Nivel Medio: El estudiante realiza de forma
Desarrollo del Ejercicio 2 de
parcial, o con errores, el ejercicio de programación,
Limpieza y procesamiento de
datos. o no se ciñe a lo solicitado
Si su trabajo se encuentra en este nivel
puede obtener entre 10 puntos y 19 puntos
Este criterio representa
25 puntos del total de Nivel bajo: El estudiante no desarrolla, o
115 puntos de la desarrolla de forma incorrecta, el ejercicio de
actividad programación solicitado.
Si su trabajo se encuentra en este nivel
puede obtener entre 0 puntos y 9 puntos

9
 Nivel alto: El estudiante realiza adecuadamente
el ejercicio 3 de forma correcta y como fue
Tercer criterio de solicitado.
evaluación: Si su trabajo se encuentra en este nivel
puede obtener entre 20 puntos y 25 puntos
Del procedimiento:
Desarrollo del Ejercicio 3 de Nivel Medio: El estudiante realiza de forma
Combinación, unión y parcial, o con errores, el ejercicio de programación,
concatenación de DataFrames. o no se ciñe a lo solicitado
Si su trabajo se encuentra en este nivel
Este criterio representa puede obtener entre 10 puntos y 19 puntos
25 puntos del total de
115 puntos de la Nivel bajo: El estudiante no desarrolla, o
actividad desarrolla de forma incorrecta, el ejercicio de
programación solicitado.
Si su trabajo se encuentra en este nivel
puede obtener entre 0 puntos y 9 puntos
Nivel alto: El estudiante interactúa de forma
oportuna, adecuada y respetuosa en el foro.
Realizando aportes significativos de su trabajo en
archivos .ipynb, realiza las correcciones a las que
haya lugar, de acuerdo con las indicaciones del
tutor. Aporta apoyando al aprendizaje de sus
Cuarto criterio de compañeros.
evaluación: Si su trabajo se encuentra en este nivel
puede obtener entre 10 puntos y 20 puntos
De la participación:
Intervención semanal en el foro
con aportes significativos.
Nivel Medio: Aunque el estudiante interactúa
en el foro, no responde las participaciones
Este criterio representa académicas con aportes significativos y su
20 puntos del total de desarrollo no responde con suficiente
115 puntos de la argumentación frente al referente consultado o no
actividad presenta las correcciones indicadas por el tutor.
Si su trabajo se encuentra en este nivel
puede obtener entre 5 puntos y 9 puntos

Nivel bajo: El estudiante no presenta aportes

individuales y no participa activamente en el foro.
Si su trabajo se encuentra en este nivel
puede obtener entre 0 puntos y 4 puntos

10
 Nivel alto: Entrega el trabajo con al menos el
90% de las condiciones exigidas para entrega del
Quinto criterio de documento.
evaluación: Si su trabajo se encuentra en este nivel
puede obtener entre 10 puntos y 20 puntos
Del desempeño: Cumplimiento
de las condiciones para Nivel Medio: Entrega el trabajo con el 70% a
realización y entrega del 90% de las condiciones exigidas para entrega del
documento final. documento.
Si su trabajo se encuentra en este nivel
Este criterio representa puede obtener entre 5 puntos y 9 puntos
20 puntos del total de
115 puntos de la Nivel bajo: Entrega el trabajo con menos del
actividad 70% de las condiciones exigidas para entrega del
documento.
Si su trabajo se encuentra en este nivel
puede obtener entre 0 puntos y 4 puntos

11